本發(fā)明針對細粒度圖像最具有判別力的區(qū)域難以挖掘的問題,提出了一種基于強化學(xué)習(xí)和交叉雙線性特征的細粒度識別方法。使用Actor?Critic策略去挖掘圖像最具有注意力的區(qū)域,Actor模塊負責(zé)產(chǎn)生最具有判別力的top?M個候選區(qū)域,Critic模塊利用交叉雙線性特征去評價此動作的狀態(tài)值,然后利用排序一種性獎勵計算當(dāng)前狀態(tài)下該動作的獎勵值,進而得到價值優(yōu)勢并反饋給Actor模塊,更新最具有注意力區(qū)域的輸出,最后使用這些最具有判別力的區(qū)域結(jié)合原圖特征進行預(yù)測細粒度類別。該方法可以較好的挖掘出細粒度圖像最具有注意力的區(qū)域。經(jīng)實驗驗證,本發(fā)明在CUB?200?2011公開數(shù)據(jù)集上的識別準(zhǔn)確率比目前已有方法有一定的提升,分別達到了較高的細粒度識別準(zhǔn)確率。
聲明:
“基于強化學(xué)習(xí)策略的圖像細粒度識別方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)